Feature Pyramid Network (FPN)

Un Feature Pyramid Network (FPN) est un composant architectural spécialisé utilisé dans les systèmes de vision par ordinateur (CV) modernes pour améliorer la détection d'objets à différentes échelles. Il résout efficacement un défi de longue date dans l'analyse d'images : reconnaître à la fois les grandes structures proéminentes et les minuscules détails distants dans la même image. En générant une représentation multi-échelle de l'entrée — conceptuellement similaire à une pyramide —, les FPN permettent aux réseaux de neurones d'extraire de riches informations sémantiques à chaque niveau de résolution. Cette architecture se situe généralement entre le backbone, qui extrait les caractéristiques brutes, et la tête de détection, qui prédit les classes d'objets et les boîtes englobantes.

Comment fonctionnent les Feature Pyramid Networks#

L'innovation centrale du FPN réside dans la manière dont il traite l'information. Les réseaux de neurones convolutifs (CNN) traditionnels créent naturellement une hiérarchie de caractéristiques où l'image d'entrée est progressivement sous-échantillonnée. Bien que cela approfondisse la compréhension sémantique (savoir ce qu'il y a dans l'image), cela dégrade souvent la résolution spatiale (savoir exactement où elle se trouve), faisant disparaître les petits objets.

Les FPN traitent ce problème via un processus en trois étapes :

1. Chemin ascendant (Bottom-Up Pathway) : Il s'agit de la passe avant standard du réseau, telle qu'un Residual Network (ResNet). Au fur et à mesure que le réseau traite l'image, il crée des cartes de caractéristiques dont la taille diminue mais dont la valeur sémantique augmente.

2. Top-Down Pathway : Le réseau construit une pyramide à plus haute résolution en sur-échantillonnant les caractéristiques sémantiquement riches issues des couches plus profondes. Cette étape « hallucine » un contexte fort pour le réinjecter dans les cartes spatiales plus larges.

3. Lateral Connections : Pour récupérer les détails nets perdus lors du sous-échantillonnage, les FPN fusionnent les caractéristiques sur-échantillonnées avec les cartes originales à haute résolution provenant du chemin ascendant via des connexions latérales.

Cette combinaison aboutit à une pyramide où chaque niveau possède une sémantique forte et une bonne localisation, augmentant considérablement la précision et le rappel pour toutes les tailles d'objets.

Importance dans les architectures de détection d'objets#

Les FPN sont la pierre angulaire des architectures de détection d'objets modernes. Avant leur introduction, les modèles devaient choisir entre la vitesse (en utilisant uniquement la couche finale) ou la précision (en traitant une pyramide d'images, ce qui est très lent). Les FPN offrent une solution idéale combinant les deux mondes, permettant une inférence en temps réel sans sacrifier les capacités de détection des petits objets.

Cette efficacité est cruciale pour les modèles avancés comme YOLO26, qui utilise des réseaux d'agrégation sophistiqués inspirés des principes des FPN (comme PANet) pour atteindre des performances de pointe. L'architecture garantit que, que le modèle soit déployé sur des appareils de périphérie (edge) ou sur des serveurs puissants via la plateforme Ultralytics, il maintient une haute précision sur divers jeux de données.

Applications concrètes#

La capacité multi-échelle des FPN les rend indispensables dans les secteurs où la sécurité et la précision sont primordiales.

• IA dans l'automobile : Les véhicules autonomes doivent suivre simultanément de grands camions à proximité et de petits feux de circulation ou piétons au loin. Les FPN permettent à la pile de perception de traiter ces échelles disparates en une seule passe, garantissant une prise de décision rapide. Des jeux de données comme nuScenes sont souvent utilisés pour évaluer ces capacités.
• Analyse d'images médicales : En imagerie diagnostique, la détection des pathologies nécessite repérer des anomalies qui varient considérablement en taille. Un modèle équipé d'un FPN peut identifier à la fois les grandes structures d'organes et les minuscules tumeurs au stade précoce dans les scans IRM, aidant les radiologues à poser des diagnostics précis.
• IA en agriculture : L'agriculture de précision repose sur la détection des cultures et des nuisibles à partir d'images de drones. Étant donné que l'altitude du drone peut varier, la taille des plantes dans l'image change. Les FPN aident les modèles à bien généraliser, effectuant avec précision le comptage d'objets quelle que soit la hauteur de la caméra.

FPN vs. Autres agrégateurs de caractéristiques#

Il est utile de distinguer le FPN standard de ses variantes évoluées présentes dans les architectures plus récentes.

• FPN vs PANet : Alors que le FPN ajoute un chemin descendant pour enrichir les caractéristiques, le Path Aggregation Network (PANet) ajoute un chemin ascendant supplémentaire au-dessus du FPN. Cela raccourcit le chemin d'information pour les caractéristiques de bas niveau, améliorant encore la localisation, une technique souvent adaptée dans les modèles YOLO.
• FPN vs BiFPN : trouvé dans EfficientDet, le Bi-directional Feature Pyramid Network (BiFPN) introduit des poids apprenables à différentes caractéristiques et supprime les nœuds ayant une seule entrée, optimisant ainsi le réseau pour l'efficacité.

Exemple pratique#

Les bibliothèques avancées telles que ultralytics gèrent la complexité de la construction des FPN en interne. Lorsque tu charges un modèle comme YOLO26, l'architecture inclut automatiquement ces couches d'agrégation de caractéristiques pour maximiser les performances.

from ultralytics import YOLO

# Load the YOLO26 model, which uses advanced feature pyramid principles internally
# The 'n' suffix indicates the nano version, optimized for speed
model = YOLO("yolo26n.pt")

# Perform inference on an image containing objects of various sizes
# The model's neck (FPN-based) aggregates features to detect small and large items
results = model("https://ultralytics.com/images/bus.jpg")

# Display results to see bounding boxes around buses (large) and people (small)
results[0].show()